Tez No	İndirme	Tez Künye	Durumu
589336		Popülasyon temelli metasezgiseller için genelleştirilmiş çatıların tasarımı ve gerçekleştirimi / Design and implementation of generalized frameworks for population-based metaheuristics Yazar:GÜRCAN YAVUZ Danışman: DOÇ. DR. DOĞAN AYDIN Yer Bilgisi: Eskişehir Teknik Üniversitesi / Lisansüstü Eğitim Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2019 197 s.
Popülasyon tabanlı metasezgisel algoritmaların problem çözmede gösterdiği başarı bu algoritmalara olan ilginin artmasına sebep olmuştur. Yapay Arı Kolonisi ve Parçacık Sürü Optimizasyon algoritmaları, öne çıkan popülasyon tabanlı metasezgisel algoritmalardan iki tanesidir. Araştırmacılar, bu algoritmaların yapısına dahil ettikleri ufak değişiklikler ile gelişmiş yeni varyantlar ortaya koymuşlardır. Bu yeni önerilmiş varyantlar genellikle araştırmacıların kullandıkları problem setine ve araştırmacıların tecrübelerine bağlı olmaktadır. Bu da algoritmaların karşılaşmadıkları problem türlerinde yeterli başarıyı gösterememesine yol açmaktadır. Ortaya çıkan bu problemi aşmak için bu tez çalışmasında ABC ve PSO algoritmaları için genelleştirilmiş algoritma çatıları önerilmiştir. Çeşitli ABC varyantlarının özelliklerini içinde barındıran ve bir otomatik yapılandırma aracı ile probleme özgü ABC algoritması üretmesini sağlayan ABC-X isminde bir genelleştirilmiş algoritma çatısı önerilmiştir. Bu algoritmanın başarısı elli adet problem içeren ölçüt seti ile test edilmiştir. Ayrıca algoritma bir gerçek dünya problemi olan valf etkili güç dağıtım probleminin çözümünde kullanılmıştır. Bir diğer yapılan çalışma PSO algoritması için Şablon PSO isminde bir algoritma önerilmesidir. Algoritmanın performansı CEC'17 ölçüt seti ve SOCO yüksek boyut ölçüt seti kullanılarak analiz edilmiştir. Son olarak, algoritmaların performansındaki en büyük pay sahibi olan bileşenin algoritmalarda yer alan arama denklemi olduğu düşüncesiyle kendinden uyarlanabilir arama denklemi tabanlı ABC (SSEABC) algoritması önerilmiştir. SSEABC'nin performansı, CEC'17 ve SOCO ölçüt setleri ile test edilmiştir. Ayrıca SSEABC, bir mühendislik problemi olan filtre tanıma probleminin çözümünde de kullanılmıştır. Önerilmiş olan üç algoritma da karşılaştırıldıkları algoritmalardan daha iyi ve rekabetçi sonuçlar elde etmiştir.
The success of population-based meta-heuristic algorithms in problem solving has increased the interest in these algorithms. Artificial Bee Colony and Particle Swarm Optimization algorithms are two of population-based meta-heuristic algorithms. Researchers have introduced new variants that have been developed with minor changes in the structure of these algorithms. These newly proposed variants generally depend on the set of problems used by the researchers and the experience of the researchers. This leads to insufficient algorithms for the types of problems they do not encounter. In order to overcome this problem, generalized algorithm frameworks for ABC and PSO algorithms are proposed in this thesis. A generalized algorithm framework called ABC-X, which incorporates the properties of various ABC variants and enables it to generate a problem-specific ABC algorithm with an automatic configuration tool, has been proposed. The success of this algorithm was tested with a set of criteria including fifty problems. It has also been used to solve the problem of power dispatch problem with a real-world problem. Another study is to propose an algorithm called Template PSO for the PSO algorithm. The performance of the algorithm was analyzed using the CEC'17 criterion set and SOCO high dimension criterion set. Finally, a self-adaptive search equation-based ABC (SSEABC) algorithm has been proposed, considering that the component that has the greatest effect on the performance of the algorithms is the search equation. The performance of SSEABC has been tested with CEC'17 and SOCO benchmark sets. In addition, SSEABC has been used to solve an engineering problem, the filter identification problem. All three proposed algorithms have achieved better and more competitive results than the algorithms they compare.